在自动化测试项目中，我们经常需要管理大量的测试数据、环境配置、用例参数 ------ 如果直接写死在代码里，不仅修改麻烦，还会导致代码和数据强耦合。
YAML 正是解决这个问题的 "神器"，它以极简的语法、极高的可读性，成为了自动化测试、DevOps 领域最主流的配置文件格式之一。
本文将从 YAML 的基础概念、语法规则、Python 读写实战，到自动化测试场景的最佳实践，带你全面掌握 YAML 的使用。
一、什么是 YAML？它有什么优势？
YAML 全称是 "YAML Ain't Markup Language" （YAML 不是标记语言），是一种轻量级、人类可读的数据序列化语言，专门用于存储配置信息和结构化数据。它的设计目标就是简单、易读、易写，和 JSON、XML 相比，优势非常明显：
1. 核心特点
- 极简语法：用空格缩进替代引号、方括号、大括号，没有多余的 "噪音字符"
- 原生支持多种数据类型：字符串、数字、布尔值、列表、字典、嵌套结构都能直接表示；
- 和 Python 天然适配：缩进风格和 Python 保持一致，学习成本极低；
- 跨语言兼容：支持几乎所有主流编程语言，团队协作中不同语言的项目都能直接使用。
2. 关键注意事项
- 区分大小写：name 和 Name 是两个完全不同的键；
- 禁止使用 Tab 键：YAML 不允许 Tab 缩进，编辑器中按下 Tab 会自动替换为空格；
- 严格缩进规则：同层级的键必须对齐，缩进错误会直接导致解析失败；
- 文件后缀：推荐使用 .yml（更短，更常用）或 .yaml。
二、YAML 基础语法：一文看懂所有数据类型
YAML 支持所有自动化测试中常用的数据结构，以下是和 JSON 的对照示例，帮你快速掌握：
| 数据类型 | YAML 写法 | JSON 对应写法 |
|---|---|---|
| 键值对（基础） | key: value |
{"key": "value"} |
| 整数 / 浮点数 | int_key: 123``float_key: 123.456 |
{"int_key": 123, "float_key": 123.456} |
| 布尔值 | bool_key: true |
{"bool_key": true} |
| 字符串 | string_key: "This is a string" |
{"string_key": "This is a string"} |
| 列表（数组） | list_key:`` - item1`` - item2 |
{"list_key": ["item1", "item2"]} |
| 字典（映射） | map_key:`` sub_key1: value1`` sub_key2: value2 |
{"map_key": {"sub_key1": "value1", "sub_key2": "value2"}} |
| 嵌套结构 | nested_key:`` list_key:`` - item1`` map_key:`` sub_key: value |
{"nested_key": {"list_key": ["item1"], "map_key": {"sub_key": "value"}}} |
小技巧：JSON 转 YAML 工具
如果短时间内记不住所有语法，可以直接用在线工具转换，比如 json2yaml，把 JSON 粘贴进去就能自动生成 YAML 格式，避免手动写错。
三、Python 操作 YAML：读写配置文件实战
在 Python 中，我们使用 PyYAML 库来读写 YAML 文件，以下是完整的安装和实战步骤。
1. 安装 PyYAML
在你的虚拟环境终端中执行：
pip install PyYAML==6.0.1安装完成后，就能在代码中 import yaml 使用了。
2. 核心读写操作
创建yaml文件
以下是自动化测试中最常用的 YAML 读写模板，包含写入、读取、清空三种操作：
python
import yaml
# 追加/写入 YAML 文件
def write_yaml(filename, data, encoding="utf-8", mode="a+"):
with open(filename, encoding=encoding, mode=mode) as f:
yaml.safe_dump(data, stream=f, allow_unicode=True)
# 读取 YAML 文件，支持按 key 读取
def read_yaml(filename, key=None, encoding="utf-8"):
with open(filename, encoding=encoding, mode="r") as f:
data = yaml.safe_load(f)
if key:
return data.get(key)
return data
# 清空 YAML 文件
def clear_yaml(filename, encoding="utf-8"):
with open(filename, encoding=encoding, mode="w") as f:
f.truncate()
# 测试示例
def test_yaml_operation():
# 1. 写入数据
test_data = {
"str": "12345",
"user": {
"username": "admin",
"password": "123456"
},
"test_cases": ["login_success", "login_fail"]
}
write_yaml("test.yml", test_data)
# 2. 读取数据
ret = read_yaml("test.yml", "str")
print("读取结果：", ret) # 输出：读取结果：12345
# 3. 清空文件
clear_yaml("test.yml")关键函数说明
- yaml.safe_dump：安全写入数据，避免解析漏洞，allow_unicode=True 支持写入中文；
- yaml.safe_load：安全读取数据，自动将 YAML 解析为 Python 字典 / 列表；
- read_yaml 支持按 key 读取，适合自动化测试中读取指定配置项。
四、YAML 在自动化测试中的核心使用场景
YAML 之所以成为自动化测试的标配，是因为它完美解决了测试项目中 "数据和代码耦合" 的痛点，以下是最常用的三个场景：
1. 测试数据驱动
把多组测试用例数据（比如登录账号、接口参数）写在 YAML 文件中，用 pytest 参数化读取，实现 "一套用例跑多组数据"：
python
# test_data.yml
login_cases:
- username: "admin"
password: "123456"
expected: "登录成功"
- username: "wrong_user"
password: "123456"
expected: "用户名或密码错误"在 pytest 中读取并参数化：
python
import pytest
import yaml
with open("test_data.yml", "r", encoding="utf-8") as f:
login_cases = yaml.safe_load(f)["login_cases"]
@pytest.mark.parametrize("case", login_cases)
def test_login(case):
print(f"测试用户：{case['username']}，预期结果：{case['expected']}")
# 这里写登录的测试逻辑2. 环境配置管理
不同环境（测试、预发、生产）的 URL、数据库地址、账号密码，都可以写在 YAML 中，通过切换配置文件实现环境切换，不用修改代码：
python
# config.yml
test:
base_url: "http://test.example.com"
db_host: "test-db.example.com"
pre:
base_url: "http://pre.example.com"
db_host: "pre-db.example.com"
prod:
base_url: "http://prod.example.com"
db_host: "prod-db.example.com"3. 用例步骤管理
对于复杂的 GUI 自动化用例，可以把操作步骤、元素定位方式写在 YAML 中，实现用例和代码分离，非技术人员也能维护用例：
python
# steps.yml
login_steps:
- action: "input"
locator: "id=username"
value: "admin"
- action: "input"
locator: "id=password"
value: "123456"
- action: "click"
locator: "id=loginBtn"五、使用 YAML 的避坑指南
- 缩进问题：同层级的键必须对齐，建议使用 2 个空格缩进，编辑器中关闭 Tab 自动替换功能；
- 中文乱码：读写文件时必须指定 encoding="utf-8"，yaml.safe_dump 时加上 allow_unicode=True；
- 空文件处理：读取空 YAML 文件时会返回 None，建议在 read_yaml 函数中加 if data: 判断；
- 数据类型：YAML 会自动识别数据类型，比如 123 会被解析为整数，"123" 才是字符串，避免类型不匹配导致断言失败。
六、总结
YAML 以其极简的语法、极高的可读性，成为了自动化测试项目中管理配置和测试数据的最佳选择。它不仅能让你的代码更简洁、易维护，还能实现数据和逻辑的解耦，让非技术人员也能参与维护测试用例和配置。
掌握 YAML 的读写和使用，是搭建企业级自动化测试框架的必备技能。后续我们会结合 pytest 参数化、fixture，带你实现一个完整的 "YAML 数据驱动 GUI 自动化测试框架"。